Communitygithub.com

video-captions

Crea subtítulos visibles con cronometraje por palabra y subtítulos laterales basados en frases completas, alineados con la edición final del discurso. Útil para sincronización SRT, subtítulos legibles integrados, colocación segura, correcciones de transcripción y control de calidad de subtítulos después de cambios en la edición.

¿Qué es video-captions?

Esta habilidad permite generar subtítulos visibles con sincronización precisa por palabra, así como archivos SRT laterales basados en frases completas, alineados exactamente con la edición final del discurso de un video. Es fundamental para garantizar que los subtítulos sean legibles, estén bien sincronizados y cumplan con los estándares de accesibilidad, como WCAG. Funciona en plataformas de edición de video y herramientas de línea de comandos como FFmpeg con libass, preservando Unicode y manejando de forma segura nombres de archivo. Incluye un proceso de verificación riguroso: corrige nombres, números, negaciones y términos técnicos, verifica que los tiempos de los subtítulos coincidan con el audio real, evita inventar palabras y revisa visualmente la composición para evitar colisiones con texto en pantalla o elementos de la interfaz de usuario. Es ideal para flujos de trabajo profesionales de posproducción de video donde la precisión y la calidad de los subtítulos son críticas.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/georgewangyu/GeorgeVideoAgent/tree/HEAD/skills/video-captions

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Subtítulos y subtítulos (captions y sidecars)

Lee el contrato del proyecto. Mantén el texto corregido editable y alineado con el reloj exacto del discurso final.

Corregir y alinear [bl: invariant]

Usa el hash actual del corte A/audio y la transcripción corregida. Inspecciona nombres, números, negaciones, palabras técnicas e indicaciones significativas de no-discurso/hablante según sea necesario. El reconocimiento automático del habla (ASR) y la alineación forzada son propuestas; verifica contra el audio. No inventes palabras, uses una transcripción de origen como si estuviera sincronizada con la salida, ni omitas en silencio el discurso retenido porque un título ocupa la pantalla.

Cuando se desconozca la sincronización, marca las pistas como provisionales en lugar de fabricar límites precisos. Mapea la transcripción de origen a través del mapa de decisión origen→salida verificado, luego comprueba la salida real. Un recorte de discurso invalida la sincronización/texto de las pistas afectadas. Mantén un archivo SRT lateral completo y corregido incluso si los subtítulos visibles son escasos.

Tratamiento legible y ejecución [bl: invariant]

Para subtítulos visibles, sigue la solicitud del editor, las anulaciones del proyecto y las preferencias de estilo aplicadas, en ese orden. Usa la plantilla de estilo de subtítulos por defecto para cualquier elección que quede abierta. Una solicitud de grupos de dos palabras, por ejemplo, cambia la agrupación mientras mantiene la tipografía por defecto a menos que se especifique lo contrario.

Verifica la sincronización a la granularidad que requiera el tratamiento elegido. Agrupa el SRT completo en frases legibles de como máximo dos líneas, incluyendo el discurso cubierto por una pista de énfasis.

Comprueba intervalos de pistas ordenados no negativos dentro de la duración del programa; las superposiciones deben ser intencionadas. Ten en cuenta la base de tiempo de fotograma/muestra de salida y evita la deriva de redondeo independiente. Usa un editor disponible o la función de subtítulos/FFmpeg libass cuando esté instalado; verifica que la versión exacta lo soporte antes de renderizar. Preserva Unicode y escapa nombres de archivo/texto de manera segura; el texto de subtítulos son datos, nunca código de shell.

Mide los glifos reales, el contorno/sombra y el movimiento contra los rectángulos seguros y la interfaz de usuario de la plataforma. Reorganiza/mueve antes de reducir por debajo de la legibilidad. Inspecciona la composición real para ver colisiones con texto en primer plano, pruebas, tercios inferiores y capturas de pantalla, incluidas las pistas más cortas/largas y los primeros/últimos fotogramas renderizados. Un cuadro delimitador centrado por sí solo no es prueba de contención.

Verificar [bl: invariant]

Concilia el archivo SRT lateral y los subtítulos visibles con el discurso retenido completo, incluida la apertura/cierre. Inspecciona la sincronización en los inicios reales de palabras/frases y muestrea la exportación exacta al tamaño de entrega. Observa las transiciones de subtítulos y el movimiento; una hoja de contactos estática no puede establecer el tiempo de lectura. Devuelve los datos de pistas/archivo SRT, las opciones de fuente/tratamiento, la identidad de salida y los rangos revisados/no revisados. Entrega al control de calidad de exportación; nunca afirmes que se escucharon todas las palabras cuando solo se ejecutaron comparaciones de transcripciones o comprobaciones automatizadas.

Referencias

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Skills relacionados